mmdetection学习笔记（一）工程目录简介

---

---

本文不涉及mmdetection的环境安装，主要记录一下自己在学习mmdetection时的心得体会。如有错误，欢迎大家在评论区指正。

---

目录树

mmdedtection的工程目录如下

.
├── configs
│   ├── _base_
│   │   ├── datasets
│   │   ├── models
│   │   ├── schedules
│   │   └── default_runtime.py
│   ├──pascal_voc
│   │   └── ......
│   └──retinanet
│   │   └── ......
│   └──......
├── mmdet
│   ├── apis
│   ├── core
│   ├── datasets
│   ├── models
│   ├── utils
│   └── __init__.py
│   └── version
├── tests
│   └── ......
├── tools
│   └── analysis_tools
│   └── dataset_converters
│   └── deployment
│   └── misc
│   └── test.py
│   └── train.py
└── ......

文件介绍

configs

该文件夹下存放所有的配置文件，可以自己写一个配置文件，也可以继承自_base_下的四种配置文件
● _base_/datasets : 数据集加载，数据集格式获取数据。
● _base_/models ：不同的目标检测模型
● _base_/schedules ：训练计划
● _base_/default_runtime.py ：运行时的配置，主要配置权重保存频率、日志频率、日志等级等信息
● 其它文件：继承自上述四种文件，并做一些针对性的修改。可以不继承，但是需要在一个文件内写下所有的配置。

mmdet

mmdetection的核心部分，其它工具都依赖于该部分代码
● apis ：训练和测试相关依赖的函数，有随机种子生成、训练、单GPU测试、多GPU测试等
● core：内核，包括锚框生成、边界框计算、结果评估、数据结构、掩码生成、可视化、钩子函数等等核心代码
● datasets ：数据加载器的具体实现，对应 configs/datasets
● models ：不同模型的具体实现，分为不同的主干、颈部、头部、损失函数等等，对应 configs/models
● utils ：通用工具
●__init__.py：判断配置的mmcv是否符合要求
● version ：记录mmdetection 的版本

tests

集成测试相关

tools

工具集
● analysis_tools：分析日志和预测效果
● dataset_converters：数据集转换
● deployment：部署工具
● misc：杂项：下载数据集、打印配置信息等工具
● test.py：测试模型效果
● train.py：根据配置文件进行训练